这是我参与「第五届青训营」伴学笔记创作活动的第8天
一.数据可视化分类
- 科学可视化（科学实验数据）
- 信息可视化（抽象、高纬度数据）
- 可视分析（可视化+人机交互+数据分析）
二.设计原则
正确的表达数据中的信息而且不产生偏差和歧义
wwww.vislise.org/2021/galler… (对错误可视化的讲解）
Data-ink Ratio（最大数据墨水占比）
非数据墨水≠无用数据 → 不能擦除
三.常见错误
透视失真：
一般发生在三维可视化
数据大小由于近大远小呈现出小块的数据反而看起来占比更大
数据标注要清晰显眼
数据呈现的视觉大小要和数据占比一致
图形设计/数据尺度： 不等间隔数据尺度误导推断
数据上下文： 数据标注清楚
四.视觉-认知
视觉观察是变化的，不是绝对值，容易被误导
格式塔学派 （所以科学的尽头是哲学吗）
整体认知
就近原则：视觉上空间距离接近的倾向为分为一组
相似原则：形状、大小、颜色、强度等属性一致时被倾向于看为一个整体
连续性原则：观察物体自然沿着物体的边界
闭合性原则： 物体本身不闭合，但主图看起来呈现闭合的倾向，会自动忽略不闭合的状态（很像小时候测是不是色盲那个图片）
共势原则
对称原则：对称的原则为一组
与背景关系：小的是图形，大的是背景；与凸面联系更多
五.视觉编码
将数据信息（属性+值）映射为可视化元素（可视化符号+视觉通道）的技术
视觉通道：
- 数量通道：位置最精确
- 标识通道
六.前端可视化工具
- D3：js函数库，开源，功能强大，学习梯度大
- Vega：可视化语法，声明式，入门较简单
